河北省城市智慧交管技术创新中心 河北石家庄 050021
摘要：近年来，随着互联网技术的不断发展，智能移动设备实现了跨越式发展，并通过具备定位技术的传感器而创造出了丰富的数据。在海量的大数据中包含了丰富的信息，可以帮助我们建立对于移动对象及地理位置的全面认知，体现在交通领域中则表现为对车辆行驶路径的规划。通过交通大数据进行路径规划，可以实现对交通流走向的有效引领，简化道路交通管理流程，为司机提供较为便捷的路径，同时为乘客提供全面而有效的出行建议，在城市驾驶规划设计中表现出十分突出的地位。本文将对交通大数据背景下的车辆行驶路径规划展开探讨，提出提升路径规划有效性的策略。
关键词：交通大数据；车辆行驶；路径规划
大数据技术、物联网技术和人工智能技术的持续发展让智慧交通和智慧城市系统逐渐走进了人们的生活，而智慧交通更是在智慧城市中承担着十分重要的作用。首先，车辆已经逐渐成为了人们日常生活生产实践之中必不可少的工具，通过车辆可以让人们的出行更加便利；其次，车辆的需求量呈现出逐年增长的趋势，使得交通拥堵和交通事故问题频发，为公众的人身和财产安全带来了严重的侵害。通过智能交通，可以为车辆的安全行驶提供合理的路径规划，以促进交通安全性提升，构建和谐稳定的智慧城市。
1 路径规划
1.1 概述
路径规划已经在GPS导航、城市路网规划等交通领域中得到了广泛应用，其核心在于算法。经过长时间的发展，算法已经由原本的传统算法逐步发展，演变为当下的人工智能算法，取得了算法领域的重大进展。由于受到算法特点和适用范围的限制，只有充分尊重算法的特点，才能确定最为契合的路径规划算法。
1.2 路径规划算法
1.2.1 Dijkstra算法
该算法产生于上世纪五十年代末，由Dijkstra提出，是一种较为典型的最短路径算法。算法主张借助所有节点的正向遍历获取具有可行性的最短路径，在道路权值为非负的情况下适用，可以据此判断出某点到其他点之间的最短路径。这种算法可以较为精准地确定最短路径，具有良好的鲁棒性能。但是该算法需经历多次遍历，因此有着较多的节点和时长消耗，需要占用较大的空间。
1.2.2 Floyd算法
该算法诞生于1962年，由Floyd提出，具有良好的可读性和理解性，可以用于处理有向图的最短路径问题，在时间复杂度为O（n3）时，算法所产生的实际效果最佳，在算法改进后可以用于计算无向图的最短路径。
1.2.3 蚁群算法蚁群算法
该算法诞生于1991年，是一种概率型随机搜索算法，可以用于确定最优路径。该算法的整体思想如下：在待优化的解空间之内，蚁群集体在模拟觅食的过程中会留下一定量的信息素，而选择最短路径的蚂蚁所释放的信息素通常较多。经历的时间越长，在同等时间内走出最短路径的蚂蚁所释放的信息素就越多。通过正反馈机制，可以在最短的时间内发现信息素浓度较高的路径。这种算法的鲁棒性较强，且实现难度较小，但是往往会陷入局部最优解的误区。
1.2.4 神经网络算法
这是一种借助逻辑性思维推理实现的一种算法形式，主要用于模拟动物的神经网络信息传递。该算法在人工智能中较为常见，通常以分布式的形式存储，而信息处理则是借助类似神经元之间的协调作用实现动态处理。然而，由于路径规划路网较为复杂，因此难以用数学公式的形式予以描述，可以借助改进手段实施路径规划。例如，可以运用小波神经网络算法，让小波分析算法和神经网络进行结合，借助小波分析实现对高低频信号的灵活处理，挖掘其中的信号特征值并进行传输，以实现进一步的神经网络算法处理。
1.2.5 遗传算法
该算法最初诞生于1975年，由Holland教授提出。该算法融合了生物进化论的内容，将适者生存的概念运用到了算法之中，可以结合待优化问题的目标函数确定具体的适应度函数，并针对函数实施初始化、评价及遗传等操作。遗传算法表现出良好的快速检索能力，且鲁棒性和扩展性都较为优秀。但是由于编程的难度和步骤都较为复杂，因此搜索速度较慢。
2 交通信息预测
在智能交通领域的研究中主要强调精准的交通信息预测，近年来，大数据车辆路径规划研究中普遍关注对于车辆数据信息的发掘，并将交通信息预测视作大数据路径规划之中的重点内容。现阶段在交通信息预测中已有多种预测方法投入使用，并取得了良好的效果，包括但不限于神经网络法、卡尔曼滤波方法、灰色预测理论及时间序列方法等，而以上方法又可用于预测模型的建设之中。以时间序列方法为例，该方法主要应用于车辆交通流预测研究之中，是交通流预测领域之中的重点方法。可以通过自回归模型、滑动平均模型及自回归滑动平均模型等多种模型展开预测。此类模型具有其特有的优势，有着良好的计算精度，且应用规模较大，但是这种方法的抗干扰能力较差，往往难以精准判断交通状况的不确定性。为此，可以使用多种预测模型相结合的方法，通过多种模型的优势互补，使用最为恰当的预测模型展开交通信息预测。例如，可以将小波理论、马尔可夫预测模型和BP神经网络模型进行整合，以发挥其在交通信息预测领域中的杰出作用。此外，也可以综合利用人工智能算法的混沌理论、混合模型及组合预测理论展开对交通信息的预测。而通过交通信息预测可以有效降低交通堵塞的风险，让道路的利用率得到切实提升，同时，可以为进行交通管制和城市环境保护提供充足的技术支持，表现出十分突出的现实意义。
结束语：近年来，传统的静态车辆路径规划已经逐渐发展成熟，而随着科技的不断发展，现代智能交通系统在城市和交通管理中逐渐发挥出越来越重要的作用。在此背景下，人们逐渐提高了对于人工智能和交通大数据动态车辆路径规划的关注，而算法技术、大数据技术及无线通信技术的不断成熟和发展也为智能车辆路径规划的长足发展奠定了坚实的基础。但是，在技术发展的同时也带来了严峻的交通数据安全问题，需要我们提高对于隐私保护机制的关注，并将其作为日后的主要研究方向。
参考文献：
[1]张黄慧.大数据技术在智能交通中的应用[J].电子技术与软件工程，2020（1）：131-132.
[2]陆化普，孙智源，屈闻聪.大数据及其在城市智能交通系统中的应用综述[J].交通运输系统工程与信息，2015，15（5）：45-52.
[3]岳建明，袁伦渠.智能交通发展中的大数据分析[J].生产力研究，2013，251（6）：137-138，165.
[4]牛启航.大数据技术在智能交通管理中的运用[J].汽车实用技术，2020（4）：222-223+239.
[5]张文.大数据技术在智能交通管理中的应用研究[J].信息记录材料，2020，21（4）：155-157.